误码率低两个量级、时延降低50ns、温度直降15℃……实测干货来了

大模型训练到底有多“烧”光模块？

功耗、时延、误码率、温度，样样都是坎。

过去大家都觉得，带DSP的传统光模块虽然“稳”，但功耗高、发热大、还不便宜。

而LPO（线性可插拔光模块）喊了好几年，到底能不能在现网大规模用？

阿里云和锐捷给出了实践答案：能，而且很好用。

16.8K模块，4天从上电到验收

双方这次合作基于阿里云飞天企业版CPN 1.0智算网络，在某大规模集群中，累计交付了400G LPO模块16.8K（没错，1.68万个）。

最让人惊喜的是交付速度：从上电，调测，验收完毕仅4天。

传统DSP方案搞这么大批量，少说得两周。4倍效率提升，客户业务上线直接快人一步。

误码率实测：比传统方案好两个量级

现网跑出来的数据最硬气。

锐捷在现网统计了海量链路误码率（BER），结果LPO全面碾压：

LPO全网平均误码率：E-10

传统DSP光模块平均误码率：E-8

整整低了两个数量级。

放张对比表更直观（样本数越大，说明该误码率下链路越多）：

LPO的样本在高量级（e-10以下）明显更集中，链路质量稳定可靠。

低误码率意味着更少丢包重传，大模型训练不容易“卡死”，这个价值算力集群都懂。

温度：LPO平均31.5℃，传统46.5℃

温度直接关系可靠性和寿命。

现网跑下来，LPO模块平均工作温度只有31.5℃，而传统DSP模块飙到46.5℃。

低了15℃，什么概念？

光模块温度每降10℃，故障率大约减半。低故障率 = 少掉卡、少断连。

按典型512集群算，5年CTO周期内，低故障率可减少算力损失400万以上——这还没算训练中断的隐性成本。

时延：单端口降低50ns

LPO去掉了DSP芯片，时延天然低。

实测端到端链路平均单端口延时：比传统方案降低约50纳秒。

别看50ns小，在万卡级All-Reduce通信里，差50ns可能让整个迭代慢一截。

更低的时延 = 训推跑得更快、同等算力能承载更大模型、更高并发。

功耗：单体降50%，一年省20万电费

LPO功耗优势是“祖传技能”。

锐捷400G LPO比传统DSP模块单体功耗降50%。

别小看一个模块省几瓦，512集群堆到16.8K模块，一年节省电费约20万元。

这还没算散热省下来的空调钱。

为800G LPO铺路：从CPN 1.0到2.0

这次16.8K大规模交付，不是终点，是起点。

阿里云已经明确，800G以太网智算集群2026年规模上线，并且重点储备LPO/LRO技术。

锐捷这边，400G/800G LPO都已具备量产能力，1.6T LPO原型也有了。

在OFC 2026上，双方还联合发表了面向102.4T交换机的800G LPO适配成果。

这次CPN 1.0上的成功，直接为CPN 2.0向TH6+800G LPO演进复制了经验。

技术领先、迭代持续、收益可复制——10万卡800G时代，稳了。

一句话总结

16.8K模块，4天交付，误码率低两个量级，温度低15℃，时延降50ns，功耗砍一半。  

阿里云×锐捷网络，LPO已经从“实验室明星”变成了“现网实干家”。

下一站：800G LPO，十万卡集群见。